摘要 — 肌电图 (EMG) 信号的数值模型为我们对人类神经生理学的基本理解做出了巨大贡献,并且仍然是运动神经科学和人机界面发展的核心支柱。然而,虽然基于有限元方法的现代生物物理模拟非常准确,但它们的计算成本极其昂贵,因此通常仅限于对静态系统(例如等长收缩肢体)进行建模。为了解决这个问题,我们提出了一种迁移学习方法,其中训练条件生成模型来模仿高级数值模型的输出。为此,我们提出了 BioMime,这是一种经过对抗训练的条件生成神经网络,可在各种体积导体参数下生成运动单元激活电位波形。我们展示了这种模型能够以高精度在数量少得多的数值模型输出之间进行预测插值的能力。因此,计算负荷大大减少,从而可以在真正动态和自然的运动过程中快速模拟 EMG 信号。
摘要:供应链管理 (SCM) 涉及从原材料到最终用户的商品和服务流动的复杂性和不确定性。对原材料、劳动力或设备的估计不准确会导致财务损失和环境影响。本研究探讨了系统动力学建模 (SDM) 在制造大麻增强聚合物复合材料 (HRPC) 中优化资源利用的应用。使用因其经济性和功能而被选中的 SDM 软件 STELLA ®(版本 3.7.3),该研究展示了系统动力学 (SD) 如何通过最大限度地减少材料、劳动力和设备,降低能源消耗来增强可持续性。文献综述发现了现有研究中的差距,因为我们没有发现先前使用 SDM 模拟 HRPC 制造的研究。研究得出结论,SDM 是优化资源利用和提高制造效率的有效工具。通过在无风险环境中模拟多个供应链场景,该模型有助于减少资源消耗并增强可持续性。此外,STELLA ® 模型的输出可用作生命周期评估 (LCA) 的输入,以定量测量环境影响。
海洋CO 2水槽的强度是由两种机制之间的平衡设置的。海洋对拟人化CO 2的摄取主要是对大气CO 2升高的化学反应,迫使二氧化碳(PCO2)在空气海界面上的不平衡不平等。碳浓缩反馈参数是一种通常用于衡量的含量的人为CO 2,海洋被海洋吸收了多少CO 2的每个单位(以PPM表示)添加到大气中,假设海洋动力学和热纳米态保持不变(Arora等人,Arora等人,2020年; boera&arora; fried。 &Williams,2021年; Roy等人,2011年;然而,大气上的上升也导致了全球变暖,这改变了海洋状态。尤其是地表水的变暖和与之相关的海洋分层的增加往往会减慢碳周期,从而导致天然碳的净量超过量,并在全球范围内减少了人为碳的吸收。这种负碳气候反馈
训练补偿动力不匹配的三角洲(残留)动作模型。然后用Delta动作模型集成到模拟器中,以ASAP微调进行预训练的策略,以有效地与现实世界动力学对齐。我们在三种转移方案中尽快评估了ISAACGYM到Isaacsim,Isaacgym到Genesis和Isaacgym,以及真实世界的G1人类人体机器人。我们的方法显着提高了各种动态运动的敏捷性和全身协调,与Sysid,DR和Delta动力学学习基准相比,跟踪误差减少了。尽快实现了以前难以实现的高度敏捷运动,这证明了在桥接模拟和现实世界动力学中的三角洲动作学习的潜力。这些结果表明,可以开发出更具表现力和敏捷的人形生物的有希望的SIM到真实方向。
摘要使用带有电热模型的TCAD-Santaurus工具设计和优化了基于GAN纳米线的新垂直晶体管结构。具有准1D漂移区域的研究结构适用于在高度N掺杂的硅底物上与自下而上方法合成的GAN纳米线。对电性能的研究是各种Epi结构参数的函数,包括区域长度和掺杂水平,纳米线直径以及表面状态的影响。结果表明,优化的结构具有正常的阈值模式,其阈值电压高于0.8 V,并且表现出最小化的泄漏电流,州电阻较低,并且最大化的击穿电压。据我们所知,这是对基于GAN的纳米晶体管的首次详尽研究,为科学界提供了宝贵的见解,并有助于更深入地了解GAN NANOWIRE参数对设备性能的影响。据我们所知,这是对基于GAN的纳米晶体管的首次详尽研究,为科学界提供了宝贵的见解,并有助于更深入地了解GAN NANOWIRE参数对设备性能的影响。
简介:自阿波罗时代以来,被尘埃污染被确定为卢纳尔和更常见的无空体的重要风险,探索误差([1] - [2])。对于未来月球的下一个任务,漫游者产生的尘埃动员和 /或机器人活动需要谨慎。它可能起源于地平线发光([3] - [4])。在这两种情况下,在粘附或尘埃的粘附性中发挥作用的机制均由静电力控制。这些力是由在灰尘和覆盖材料表面存储的电荷引起的。电荷载体是由月球等离子体环境产生的,阴影和阳光表面之间存在显着差异,并且也通过Triboelectric效应。缓解技术应受益于对这些过程的更好地说明。
深层生成模型最近显示了解决复杂工程设计问题的成功,其中模型预测了解决指定为输入的设计要求的解决方案。ever,在对这些模型进行有效设计探索的对齐方面仍然存在挑战。对于许多设计问题,找到满足所有要求的解决方案是不可行的。在这种情况下,启动者更喜欢在这些要求方面获得一组最佳的帕累托最佳选择,但是生成模型的单程抽样可能不会产生有用的帕累托前沿。为了解决这一差距,我们将使用模拟微调生成模型来实现帕累托 - 前设计探索的新框架。首先,该框架采用了针对大型语言模型(LLM)开发的偏好一致性方法,并展示了用于微调工程设计生成模型时的第一个应用。这里的重要区别在于,我们使用模拟器代替人类来提供准确,可扩展的反馈。接下来,我们提出了Epsilon-Smplamping,灵感来自具有经典优化算法的帕托前期生成的Epsilon-约束方法,以使用精细的模型来构建高质量的Pareto前沿。我们的框架(称为e-Simft)被证明比现有的多目标比对方法产生更好的帕累托前沿。
1. 引言 癌症是一种非传染性疾病,是 21 世纪人类死亡的重要因素。根据世界卫生组织 (WHO) 的调查结果,在所调查的 172 个国家中,癌症是 91 个国家中 70 岁以下人群过早死亡的主要原因 [1]。在大多数情况下,身体不同器官内细胞的异常增殖会导致癌症的发展。因此,癌症的分类取决于特定器官系统中发生的异常细胞生长 [2]。癌症有 100 多种不同的类型,某些器官(例如乳腺癌、皮肤癌、结肠癌和肺癌)特别容易患上癌症 [3-6],并常常导致致命的后果。治疗癌症的主要方式通常包括化疗、放疗和手术干预 [7]。
摘要 - 近年来,软机器人模拟器已经发展为提供各种功能,包括不同材料类型(例如弹性,超弹性)和驱动方法(例如,气动,电缆驱动,伺服运动)的模拟。这些模拟器还为各种任务(例如校准,设计和控制)提供工具。但是,在这些模拟器中有效,准确地计算衍生物仍然是一个挑战,尤其是在存在物理接触相互作用的情况下。结合这些衍生物可以显着提高控制方法的收敛速度,例如增强学习和轨迹优化,启用基于梯度的设计技术,或促进端到端的机器学习方法以减少模型。本文通过引入一种统一的方法来解决这些挑战,以计算有限元方法框架中的机械方程的衍生物,包括模拟为非线性互补性问题的触点交互。所提出的方法处理碰撞和摩擦阶段,解释其非平滑动力学,并利用基于网格的模型引入的稀疏性。通过几个控制和校准软系统的示例来证明其有效性。关键字:软动物模拟,可区分的物理,可区分优化,非平滑动力学。
我们介绍了德克萨斯大学 - 城市研究的全球建筑高度(UT -Globus),该数据集可为全球1200多个城市或地区提供建筑高度和城市顶篷参数(UCP)。ut-Globus将开源太空载速度(ICETAT-2和GEDI)和粗分辨率的城市冠层高度数据与机器学习模型结合在一起,以估算建筑物级别的信息。使用来自美国六个城市的LiDAR数据进行验证,显示ut-Globus衍生的建筑高度的均方根误差(RMSE)为9.1米。验证1公里2个网格电池内的平均建筑高度,包括来自汉堡和悉尼的数据,导致RMSE为7.8米。与现有的基于餐桌的本地气候区域方法相比,在城市天气研究和预测(WRF城市)模型中,在城市内空气温度代表性中的UCP显着改善(RMSE为55%)。此外,我们演示了数据集使用WRF城市模拟降温策略并建立能源消耗的数据集,并在芝加哥,伊利诺伊州和德克萨斯州的奥斯汀进行了测试案例。使用太阳能和长波环境辐照度几何形状(SOLWEIG)模型(结合UT-Globus和LiDAR来源的建筑高度)的街道尺度平均辐射温度模拟证实了该数据集在MD Baltimore,MD(白天RMSE = 2.85°C)中建模数据集的有效性。因此,UT-Globus可用于建模具有重大社会经济和生物气象风险的城市危害,从而实现更细长的城市气候模拟,并由于缺乏建筑信息而克服了先前的限制。